Treffer: Modelo de reconocimiento para la lengua de señas: aproximación comparativa entre métodos de reconocimiento de patrones por inteligencia artificial ; Sign language recognition model: comparative approach between artificial intelligence pattern recognition methods

Title:
Modelo de reconocimiento para la lengua de señas: aproximación comparativa entre métodos de reconocimiento de patrones por inteligencia artificial ; Sign language recognition model: comparative approach between artificial intelligence pattern recognition methods
Source:
Dipietro, Laura; Sabatini, Angelo M; Dario, Paolo (2008) A Survey of Glove-Based Systems and Their Applications. En: IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications. Vol. 38; No. 4; pp. 461-482 Disponible en: http://dx.doi.org/10.1109/TSMCC.2008.923862. Disponible en: 10.1109/TSMCC.2008.923862. ; Suarez, Arnol; Jimenez, Andres; Castro Franco, Mauricio; Cruz-Roa, Angel (2016) Clasificación automática de coberturas del suelo en imágenes satelitales. ; Badi, Haitham; Hussein, Sabah (2014) Hand posture and gesture recognition technology. En: Neural Computing and Applications. Vol. 25; pp. 871-878 Disponible en: http://dx.doi.org/10.1007/s00521-014-1574-4. Disponible en: 10.1007/s00521-014-1574-4. ; Saunshi, Nikunj; Gupta, Arushi; Hu, Wei (2021) A Representation Learning Perspective on ....
Publisher Information:
Universidad del Rosario
Escuela Colombiana de Ingeniería Julio Garavito
Escuela de Medicina y Ciencias de la Salud
Maestría en Ingeniería Biomédica
Publication Year:
2022
Collection:
Universidad del Rosario, Bogotá: E-docUR
Document Type:
Dissertation master thesis
File Description:
58 pp; application/pdf
Language:
Spanish; Castilian
DOI:
10.48713/10336_34586
Rights:
info:eu-repo/semantics/openAccess ; http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Accession Number:
edsbas.AC6A2CD8
Database:
BASE

Weitere Informationen

La lengua de señas es la herramienta de comunicación más utilizadas entre la comunidad de personas con discapacidad auditiva, debido a que permite a sus usuarios comunicarse mediante gestos y movimientos. Aun así, en Colombia y en otros países como India y Estados Unidos se evidencia un reto ante la educación, estandarización y enseñanza de esta lengua, como por ejemplo de cada una de sus variaciones entre zonas geográficas y culturales. Es por esto que metodologías que permitan automatizar el proceso de enseñanza y comunicación de los usuarios de esta lengua ya bien sean sordos u oyentes, son de alta relevancia para lograr la inclusión de las personas sordas o con algún tipo de discapacidad auditiva dentro de un contexto educativo y social. Es así como este trabajo busca estudiar alternativas como algoritmos basados en redes neuronales y aprendizaje automático, con el objetivo de generar un modelo inteligente que reconozca y clasifique diferentes señas del abecedario de la Lengua Americana de Señas (ASL). Todo lo anterior se hará entrenando y validando tres modelos ya utilizados en otros problemas de clasificación de imágenes basados en Redes Neuronales Convolucionales (CNN) a los cuales se explorara sistemáticamente ajustes en su estructura e híper-parámetros para buscar el modelo que mejor se adapte a la correcta clasificación de cada una de los 27 tipos de imágenes parte de las señas del abecedario de la ASL. ; The sign language is the communication tool that is most used within the hearingimpaired people community, as it allows their users to communicate through gestures and movements. Even though, in Colombia and some other countries in the world as India and the U.S, the challenge with education, standardization and teaching of this language is evident, an example of this are the multiple variations on these languages between the different cultures and geographic zones. For this reason, the methodologies that allows the automatization of the teaching and communication process within the users of this ...